반응형
MCP로 Claude Code에 여러 서비스를 연결하는 건 강력해요. 근데 한 가지 한계가 있어요.
Claude Code MCP:
→ 내가 터미널 열고 명령 입력할 때만 동작
n8n:
→ "매일 오전 9시에 자동 실행"
→ "GitHub 이슈 올라오면 자동 실행"
→ "Slack 메시지 오면 자동 실행"
→ 내가 없어도 24/7 돌아감
n8n은 자동화 플로우를 시각적으로 만드는 도구예요. 여기에 Claude AI를 붙이면 진짜 자율 에이전트 파이프라인이 돼요.
n8n이 뭔가
노드 기반 자동화 툴
→ 400개 이상 서비스 연동
→ 시각적 드래그앤드롭 인터페이스
→ 자체 호스팅 가능 (데이터 외부 유출 없음)
→ 무료 오픈소스 (self-host 기준)
→ 2026년 기준 AI Agent 노드 내장
Zapier랑 비슷한데 훨씬 강력하고 코드 작성도 가능해요. 개발자한테 특히 좋아요.
설치
# Docker로 설치 (제일 간단)
docker run -it --rm \
--name n8n \
-p 5678:5678 \
-v ~/.n8n:/home/node/.n8n \
n8nio/n8n
# 브라우저에서 접속
http://localhost:5678
또는 n8n.io 클라우드 버전 사용 (무료 티어 있음)
기본 개념
워크플로우 = 자동화 파이프라인
구성 요소:
Trigger(트리거) → 워크플로우 시작 조건
Nodes(노드) → 각 단계의 작업
Connections → 노드 간 데이터 흐름
주요 트리거:
Schedule Trigger → 매일/매시간/매주 등 시간 기반
Webhook Trigger → 외부 서비스에서 HTTP 요청 받을 때
GitHub Trigger → 이슈/PR/커밋 발생 시
Slack Trigger → 메시지 받을 때
Email Trigger → 이메일 수신 시
실전 예시 1 — GitHub 이슈 자동 분류 + Slack 알림
트리거: GitHub에 이슈 올라옴
↓
AI Agent 노드: 이슈 분석
→ "이건 bug야, critical이고 결제 관련이야"
↓
조건 분기:
Critical → 담당자 Slack DM + 이슈에 urgent 라벨
Normal → #dev 채널에 요약 메시지
설정 방법:
- GitHub Trigger 노드 추가
- Events: Issues → opened Repository: your-org/your-repo
- AI Agent 노드 추가 (Claude 연결)
- Model: Claude Sonnet 4.6 System Prompt: "GitHub 이슈를 분석해서 JSON으로 반환해: { 'severity': 'critical/high/normal/low', 'category': 'bug/feature/question/docs', 'team': 'backend/frontend/infra/design', 'summary': '한 줄 요약' }" User Message: {{ $json.issue.title }} - {{ $json.issue.body }}
- Switch 노드 추가 (조건 분기)
- 조건 1: {{ $json.severity }} = 'critical' → Critical 경로 조건 2: 나머지 → Normal 경로
- Slack 노드 추가 (두 경로 각각)
- Critical 경로: - Channel: @담당자 DM - Message: "🚨 Critical 이슈: {{ $json.summary }}" Normal 경로: - Channel: #dev - Message: "새 이슈: {{ $json.summary }} ({{ $json.category }})"
결과:
GitHub 이슈 #47 올라옴
→ AI가 분석: "결제 null 에러, critical, backend"
→ Slack DM: "🚨 Critical 이슈: 결제 userId null 에러 - 즉시 확인 필요"
→ 이슈에 critical, backend 라벨 자동 추가
실전 예시 2 — 매일 아침 자동 리포트
트리거: 매일 오전 9시
↓
GitHub 노드: 어제 머지된 PR 조회
↓
PostgreSQL 노드: 어제 주요 지표 조회
↓
AI Agent 노드: 리포트 작성
↓
Slack 노드: #daily-report 채널에 전송
AI Agent 노드 설정:
System Prompt:
"개발팀 일일 리포트를 작성해. 아래 데이터를 기반으로
Slack에 어울리는 형식으로 작성해줘.
이모지 적절히 사용하고 300자 이내로."
User Message:
"PR 목록: {{ $('GitHub').item.json.prs }}
DB 지표: {{ $('PostgreSQL').item.json.metrics }}"
결과:
매일 오전 9시 자동 전송:
"📊 4월 14일 개발 현황
✅ 어제 머지: 3개 PR
💰 결제 성공률: 97.3% (+0.5%)
⚡ 평균 응답: 198ms
🐛 미해결 Critical: 1개
오늘 목표: 쿠폰 API 완성"
내가 아무것도 안 해도 매일 아침 알아서 와요.
실전 예시 3 — Slack 메시지로 DB 조회
트리거: Slack에서 "!조회 [내용]" 메시지 오면
↓
AI Agent 노드: SQL 쿼리 생성
↓
PostgreSQL 노드: 쿼리 실행
↓
AI Agent 노드: 결과 자연어로 요약
↓
Slack 노드: 답장
설정:
Slack Trigger:
- Channel: #data-query
- Message Pattern: !조회 *
AI Agent 1 (SQL 생성):
System: "사용자 질문을 PostgreSQL SELECT 쿼리로 변환해.
테이블: users, orders, payments
반드시 LIMIT 100 포함."
Input: {{ $json.text.replace('!조회 ', '') }}
PostgreSQL:
Query: {{ $('AI SQL').item.json.query }}
AI Agent 2 (결과 요약):
System: "DB 조회 결과를 비개발자도 이해할 수 있게 요약해."
Input: {{ $json.rows }}
실제 사용:
팀원 Slack: "!조회 오늘 신규 가입자 몇 명이야?"
↓
AI가 SQL 생성: SELECT COUNT(*) FROM users WHERE DATE(created_at) = CURRENT_DATE
↓
DB 실행 → 결과: 47
↓
AI 요약: "오늘 신규 가입자 47명이에요 👥"
↓
Slack 답장 자동 전송
개발자 없어도 팀원이 직접 데이터 조회해요.
Claude Code + n8n MCP 연동
Claude Code에서 n8n 워크플로우를 직접 만들 수 있어요.
# n8n MCP 서버 설치
claude mcp add n8n-builder \
-e N8N_HOST=http://localhost:5678 \
-e N8N_API_KEY=your_api_key \
-- npx -y @kernel.salacoste/n8n-workflow-builder
사용:
나: "GitHub 이슈 오면 AI로 분류하고 Slack 알림 보내는
n8n 워크플로우 만들어줘"
Claude:
(n8n MCP로 워크플로우 직접 생성)
→ 노드 구성 자동화
→ n8n 인스턴스에 바로 배포
→ "✅ 워크플로우 생성 완료: http://localhost:5678/workflow/42"
JSON 편집 없이 자연어로 워크플로우를 만들어요.
개발팀에서 바로 쓸 수 있는 워크플로우 목록
✅ 바로 적용 가능:
1. GitHub 이슈 AI 분류 + Slack 알림
2. 매일 아침 개발 현황 리포트
3. PR 머지되면 Notion 작업 상태 자동 업데이트
4. 에러 로그 급증하면 Slack + 이슈 자동 생성
5. Slack 메시지로 DB 조회
6. 신규 가입자 → CRM 자동 등록 + 슬랙 알림
7. 배포 완료 → 릴리즈 노트 자동 생성 + Notion 업데이트
n8n vs Claude Code MCP 비교
Claude Code MCP:
→ 내가 명령할 때만 실행
→ 개발 작업에 특화
→ 코드베이스 이해 가능
→ 실시간 상호작용
n8n:
→ 트리거 기반 자동 실행 (24/7)
→ 비즈니스 프로세스 자동화에 특화
→ 400개 이상 서비스 연동
→ 시각적 워크플로우
같이 쓰면:
Claude Code → 코드 개발
n8n + Claude → 개발 외 반복 업무 자동화
반응형
'AI Agent' 카테고리의 다른 글
| LLM 모델 라우팅 완전 가이드 — 분류기, 캐스케이딩, 시맨틱 캐시 실전 (1) | 2026.04.15 |
|---|---|
| AI 에이전트 옵저버빌리티 완전 가이드 — 에이전트가 뭘 하는지 추적하는 법 (0) | 2026.04.15 |
| AI 에이전트 모니터링 완전 가이드 — LangSmith vs Langfuse 실전 비교 (0) | 2026.04.09 |
| 멀티에이전트 시스템 실전 구축 — CrewAI vs LangGraph vs AutoGen 완전 비교 (1) | 2026.04.09 |
| AI 에이전트가 기억하는 법 — 단기/장기 메모리 아키텍처와 MemGPT 완전 정리 (0) | 2026.03.26 |